TapCub 正式上线:统计、分析、客服一个平台免费用
在线客服

聊天机器人有哪些类型?规则型、问答型、AI 型和混合型对比

聊天机器人最大的区别在于怎样给出答案:固定菜单、关键词规则、匹配预存问答,还是基于你的文档生成回答。主要类型的对比、检索增强的 AI 是怎么工作的,以及客服机器人实际能解决多少问题。

许安 发布于 2026 年 11 月 7 日 7 分钟阅读 在线客服
示例数据:转人工最多的原因是知识缺失,所以该做的是把缺的答案写上,而不是换一个机器人。示例数据

「聊天机器人」可以是三个按钮组成的菜单、一个关键词匹配器、一个问答检索,也可以是根据你的帮助中心作答的大语言模型。它们的表现、成本和出错方式都很不一样。比较它们最有用的角度,是看它怎样产生答案;问任何一个机器人最有用的问题,是:它答不了的时候会怎样?下面讲主要的类型、用大白话解释检索增强的 AI,以及一个 AI 优先的客服设置一个月下来的数据。

读完你会知道

  • 按「怎样给出答案」给机器人分类:菜单、规则、预存问答匹配,还是有依据的 AI
  • 如今网站上的机器人多是混合型:先用预存答案,再用 AI,最后转人工
  • 评价机器人看它解决了多少、转人工转得是否干净,而不是看它像不像人

什么是聊天机器人?

聊天机器人是用文字(或语音)和人对话的软件,通常用来回答问题或完成简单任务。在网站和 App 上,它一般就在聊天窗口里,在真人之前、或者代替真人回答。

这个想法由来已久。Joseph Weizenbaum 在 1966 年做的 ELIZA 模仿心理咨询师:匹配用户输入里的模式,再换个说法反问回去。此后五十年,大多数机器人都是这样基于规则工作的。大语言模型改变了机器人能说什么,却没有改变最重要的设计问题:它不知道答案时怎么办。

按「怎样回答」分类

表格对比了你会遇到的六种类型,从按钮菜单到检索增强的 AI。简单说:

  • 菜单 / 按钮式从不会误解,因为访客只能点给出的选项。
  • 规则 / 关键词型在消息包含某些词时回复。容易控制,也容易失灵:「取消我的套餐」和「别再扣我钱了」可能匹配不到同一条规则。
  • 问答检索型把问题匹配到预存的问答对,原样发送预存答案。准确、安全,但只限于你写过的内容。
  • 生成式 AI 用大语言模型写出一个新回答。能应对各种说法,但没有依据时可能说出不真实的内容。
  • 检索增强(RAG)型先在你的文档里搜出相关段落,再让模型只根据这些段落回答。大多数基于知识库的客服机器人都是这样工作的。
  • 混合型在上述任意一种之上,再加上转人工。
类型怎样回答优点缺点适合
菜单 / 按钮式访客点击预设选项可预期、成本低菜单外的问题一概处理不了分流、简单流程
规则 / 关键词型消息里有 X,就回复 Y容易控制脆弱,换个说法就匹配不上少量、稳定的常见问题
问答检索型把问题匹配到预存的问答完全按写好的答案回复只知道存进去的内容政策、价格、营业时间
生成式 AI(大模型)生成一段新的回答能应对各种说法没有依据时可能编造事实有人监督的开放式问题
检索增强 AI(RAG)先在你的文档里找相关段落,再据此作答回答有你的内容做依据文档质量决定上限基于知识库的客服
混合型(机器人 + 人工)机器人先答,转接后由人接手既能扛量又能处理特殊情况转接后要有人接大多数客服场景

语音助手用的也是这些方法,只是输入输出换成了语音。

按「用途」分类

  • 客户服务:回答政策、产品和账户问题。
  • 销售和获客:筛选访客、预约演示、收集联系方式。
  • 事务处理:查订单、改预约、重置密码,需要调用你系统的接口。
  • 内部助手:回答员工的人事或 IT 问题。

事务型机器人需要安全地接入你的系统;只回答问题的客服机器人不需要。选工具之前,先想清楚你要做的是哪一种。

规则型和 AI 型的对比

规则型AI 型(检索增强)
搭建写流程和规则写或导入知识,配置转人工
应对新的说法差好
可预期性高较低,需要护栏
风险走进死胡同,让人恼火知识缺失或含糊时答错
维护逐条更新规则更新知识库

实际中效果较好的是组合:价格、法律条款这类必须一字不差的问题用预存答案;文档覆盖到的其他问题交给 AI;剩下的交给人。

检索增强的 AI 是怎么工作的

检索增强生成(RAG)由 Lewis 等人在 2020 年提出。放到客服机器人上,分四步:

  1. 切分:把帮助文章和政策切成短段落。
  2. 检索:找出与访客问题最相关的段落。
  3. 生成:让语言模型只根据这些段落作答。
  4. 转接:检索不到相关内容,或模型判断资料不够时,转给人。

它的上限是你的文档。退款政策没写下来,机器人就答不了;好的机器人应该如实说明并转人工,而不是去猜。

示例:AI 优先客服的一个月

示例数据:某网店把客服设为 AI 优先,运行一个月。1,000 个会话中,380 个(38%)由 AI 回答且没有转人工;另外 620 个转给了人,原因见表格。转人工最多的原因是知识库没有匹配(230 个,占转人工的 37%),这是可以修的:团队读这些问题,新写 15 条问答和两篇文章,下个月因「无匹配」转人工的数量就会下降。「访客要求转人工」(29%)不算失败,访客应该随时能找到人。

要看的数字有三个:不转人工就回答的比例;AI 回答的会话和人工回答的会话的满意度对比;几天内同一话题的重复咨询——它会暴露那些听起来对、却没解决问题的回答。

app.tapcub.com

会话数

1,000

AI 回答、未转人工

38%

转给人工

62%

AI 为什么转人工 · 一个月

示例 · AI 优先模式
转人工原因会话数占转人工的比例
知识库没有匹配23037%
访客要求转人工18029%
达到轮次上限9015%
模型依据资料无法回答6010%
客服主动接管6010%

共转人工 620 次,占比为四舍五入。

示例数据
示例数据:转人工最多的原因是知识缺失,所以该做的是把缺的答案写上,而不是换一个机器人。

怎样选择

  1. 从历史对话里列出最常见的 30 个问题。如果大部分都有一个标准答案,先从预存问答做起。
  2. 检查文档。RAG 需要完整、最新的文章,先把它们写好。
  3. 决定机器人能做什么。只回答风险低;执行操作(退款、取消)需要系统集成和管控。
  4. 先设计转人工,再设计机器人:谁来接、什么时间、没人在线时访客看到什么。
  5. 每月复盘,把没答上的问题补进知识库。

常见错误

  • 找不到真人:让人讨厌机器人的最快方式。
  • 假装是人:美国加州的机器人披露法(SB 1001)和欧盟《人工智能法》第 50 条,都要求在很多场景下告知用户正在和自动化系统交互。坦白说明即可。
  • 知识过时:报出去年价格的机器人,比没有机器人危害更大。
  • 无限循环:限制机器人的轮次,到了就转人工。
  • 只看「拦截率」:机器人结束的对话不等于问题被解决了。

TapCub 里的机器人回复

TapCub 的 AI 回复是问答检索和检索增强生成的混合型,背后还有人:

  • 问答条目:在 客服 › 知识库 里维护,访客的问题匹配上时按原文发送,不调用 AI。文档会切成约 600 字的段落;没有问答匹配时,用全文检索(不是向量库)找出最相关的段落,由模型据此起草回答。
  • 三种模式:在 客服 › 聊天设置 › AI 接待 里选择——关闭、仅在全部客服离线时、AI 优先。参见设置 AI 回复。
  • 披露:首次回复前告知访客正在和 AI 对话,这一提示无法关闭;AI 消息带有 AI 标签。
  • 转人工:达到可设置的轮次(1–20,默认 6)、资料不足或访客要求时转人工,工作台会标明原因。额度用完或模型调用失败时,访客不会看到报错,而是直接转人工。
  • 只回答,不操作:AI 助手不能改订单、发邮件或调用其他系统。
  • 持续改进:从已解决的对话生成问答草稿;AI 答错时在工作台点「纠错入库」,存下正确答案。AI 调用怎样计入套餐,见 AI 客服调用怎么计数。

常见问题

聊天机器人主要有哪些类型?

按回答方式分:菜单 / 按钮式、规则 / 关键词型、问答检索型、生成式 AI、检索增强 AI,以及能转人工的混合型。

规则型机器人和 AI 机器人有什么区别?

规则型机器人按人写好的固定流程和关键词规则工作;AI 机器人用语言模型理解各种说法并生成回答,并且应以你自己的文档为依据。

哪种机器人最适合客服?

混合型:必须准确的问题用预存答案,文档覆盖到的问题用检索增强 AI,其余的清楚地转给人。

一定要告诉访客对面是机器人吗?

很多地方法律有要求,而且在哪里都是好做法。美国加州 SB 1001 和欧盟《人工智能法》都包含关于自动化交互的披露要求。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

许安

客户体验顾问

关注在线客服、访客沟通与自助服务,分享常见问题的处理思路和可复用流程,让每一次沟通更清晰有效。

根据你的知识库回答,也知道什么时候该停

先用预存答案,再由 AI 依据你的文档起草,转人工时标明原因。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie